Trong một bài báo vừa được công bố trên tạp chí Nature, các nhà nghiên cứu tại Đại học Oxford đã giới thiệu 'ProteinPredictor 2.0', một mô hình AI có khả năng dự đoán cấu trúc 3D của các protein với độ chính xác lên đến 99%. Đây là bước tiến vượt bậc so với AlphaFold 2, vốn đã cách mạng hóa lĩnh vực sinh học cấu trúc nhưng vẫn gặp khó khăn với các protein động và có nhiều trạng thái cấu trúc khác nhau.
Điểm khác biệt cốt lõi của ProteinPredictor 2.0 là sử dụng kỹ thuật 'Dynamic State Modeling'. Thay vì dự đoán một cấu trúc tĩnh duy nhất, mô hình này sinh ra một phân phối xác suất của các cấu trúc có thể xảy ra, cùng với năng lượng tự do tương ứng. Điều này cho phép các nhà khoa học không chỉ biết protein có hình dạng nào, mà còn hiểu được nó chuyển động và thay đổi hình dạng như thế nào theo thời gian. Khả năng này đặc biệt quan trọng trong việc thiết kế thuốc, vì các phân tử thuốc thường tương tác với protein ở các trạng thái cấu trúc cụ thể.
Các thử nghiệm lâm sàng ban đầu đã cho thấy tiềm năng to lớn. Nhóm nghiên cứu đã áp dụng ProteinPredictor 2.0 vào việc thiết kế vaccine cho một loại virus mới nổi ở Đông Nam Á. Trong khi trước đây cần hàng tháng để xác định cấu trúc của protein spike, mô hình AI đã đưa ra các dự đoán chính xác trong vòng 48 giờ. Các chuyên gia y tế tin rằng quy trình này có thể được rút ngắn xuống còn vài giờ trong tương lai, giúp phản ứng nhanh hơn với các đại dịch mới.
Tuy nhiên, các nhà phê bình cũng chỉ ra rằng mô hình vẫn cần được kiểm chứng trên các tập dữ liệu lớn hơn và đa dạng hơn. Giáo sư Dr. James Smith từ Đại học Cambridge nhận định: 'Đây là một thành tựu ấn tượng, nhưng chúng ta cần cẩn trọng. Sinh học là một hệ thống phức tạp và không thể quy giản hóa hoàn toàn vào các phương trình toán học. Cần thêm nhiều thử nghiệm thực nghiệm để xác nhận độ tin cậy của các dự đoán này.'